Foundry项目rc-2版本发布:智能合约开发工具链全面升级
Foundry是区块链生态中广受欢迎的智能合约开发工具链,它集成了测试框架、部署工具和本地开发节点等功能。本次rc-2版本发布带来了多项重要更新,涵盖了Anvil本地节点、Cast交互工具和Forge测试框架等多个组件的功能增强与问题修复。
Anvil本地节点功能增强
Anvil作为Foundry的本地区块链节点实现,在rc-2版本中获得了多项实用功能:
-
模拟交易支持:新增了eth_simulateV1 RPC调用,使开发者能够更灵活地模拟交易执行情况。
-
调试能力提升:增加了对trace日志记录的支持,这将极大便利开发者在本地环境调试合约时的需求。
-
配置灵活性:现在支持在配置中使用负数作为分叉区块号,为测试不同历史场景提供了更多可能性。
-
安全改进:在模拟账户时绕过sidecar要求,简化了开发流程。
Cast工具链升级
Cast作为与区块链节点交互的CLI工具,本次更新带来了多项实用功能:
-
交易处理:新增了创建未签名原始交易的功能,以及按发送者和nonce查询交易的能力。
-
密钥管理:增加了修改钱包密码和导出公钥的命令,完善了密钥管理功能集。
-
交易池交互:新增cast txpool命令,方便开发者直接与交易池交互。
-
错误处理:改进了对自定义错误的解码处理,当交易回滚时能提供更清晰的错误信息。
Forge测试框架改进
Forge作为Solidity测试框架,在rc-2版本中获得了显著增强:
-
测试功能扩展:
- 新增expectCreate和expectCreate2断言,用于验证合约创建行为
- 添加了accessList和cold/warm操作码的测试支持
- 实现了vm.sort和vm.shuffle等新的测试辅助功能
-
不变性测试增强:
- 失败时显示原始和当前调用序列长度
- 能够将失败调用序列生成为Solidity代码
- 支持将不变性合约地址作为目标合约
-
性能优化:
- 通过预处理和缓存优化编译速度
- 新增选项禁用gas快照的磁盘写入
其他重要改进
-
跨链支持:优化了对不同链(如Metis、Rootstock等)的gas计算处理。
-
安全增强:规范化了签名中的s值处理,提高了安全性。
-
开发者体验:
- 改进了forge fmt的watch模式
- 增加了对EIP-4844测试的支持
- 优化了文档生成中的数学公式支持
-
错误处理:全面加强了各种边界条件下的错误处理和提示信息。
总结
Foundry rc-2版本是一次全面的功能升级,特别强化了测试能力和开发者体验。新版本在保持原有简洁高效特点的同时,通过新增的模拟交易、增强的测试断言和优化的错误处理等功能,为智能合约开发者提供了更强大、更易用的工具集。这些改进将显著提升区块链智能合约的开发效率和测试覆盖率,特别是在复杂合约场景下的调试能力得到了明显增强。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00